别再瞎写 Prompt 了2026年最实用的10条LLM提示词技巧强烈推荐收藏从 OpenAI 官方指南到社区实践精华每条技巧都附带 ❌ 错误示范 → ✅ 正确示范 → 原理说明。这个问题你肯定遇到过你打开 ChatGPT输入“帮我分析一下这个数据。”——它回复了一段泛泛而谈的废话。你又试了一次“详细分析我上传的销售数据按月份对比增长率输出表格。”——这次它直接说我没有看到你上传的数据。你怒了“你能不能聪明一点”问题不在模型在你的 Prompt。提示词工程不是玄学。OpenAI 官方和社区已经总结出一套经过验证的最佳实践。本文提炼其中最核心的 10 条每条都有对比示范读完就能用。技巧1把指令放在最前面用分隔符隔离内容模型对 Prompt 开头的内容最敏感。把任务指令放在最前面用###或清晰分隔指令和待处理内容。❌错误示范{这里是一大段文本} 请总结上面这段文字的要点。✅正确示范请总结以下文字的要点输出为 bullet points。 文本 {这里是一大段文本} 原理LLM 是自回归模型从前往后生成。Prompt 开头部分对后续内容的注意力权重更高。把指令放在开头 给模型最强的信号。技巧2具体到令人发指——描述输出的一切细节写得好一点是最无效的 Prompt。你要具体到格式、长度、风格、受众。❌错误示范写一篇关于人工智能的文章。✅正确示范写一篇面向初中生的科普文章介绍什么是人工智能。 - 长度500-800字 - 风格轻松幽默多打比方 - 结构先讲一个生活中的例子再说原理最后展望未来 - 必须包含3个具体的生活案例 - 每个段落后用一句话总结来概括原理LLM 不是读心术。你描述得越精确它偏离的概率越低。这就是 PromptingGuide.ai 强调的Specificity 原则。技巧3用示例教模型而不是用描述Show, don’t tell。——OpenAI 官方最佳实践第4条。❌错误示范提取文本中的实体。实体类型包括公司名、人名、主题。 文本{输入}✅正确示范提取文本中的重要实体。按以下顺序输出 先提取公司名再提取人名然后提取具体话题最后提取主题。 期望格式 公司名逗号分隔 人名逗号分隔 具体话题逗号分隔 主题逗号分隔 文本{输入}原理Few-shot 示例比 Instructions 更能格式化模型的输出行为。Min et al.2022的研究证明——示例的格式和分布比标签的正确性更重要。技巧4先零样本再少样本最后微调——渐进式优化不要一上来就写复杂的 Few-shot Prompt。OpenAI 推荐的策略是Zero-Shot → 效果不够→ Few-Shot → 还是不够→ Fine-tune❌错误思路花2小时设计完美的 10-shot Prompt然后发现 Zero-shot 其实就够了。✅正确思路# 第一步Zero-shotprompt将以下文本分类为正面、负面或中性{text}# 如果准确率不够升级为 Few-shotprompt将以下文本分类为正面、负面或中性。 示例1今天心情特别好阳光灿烂 → 正面 示例2这部电影烂得我中途离场。 → 负面 示例3今天天气还行不冷不热。 → 中性 文本{text} 分类# 如果还是不达标考虑微调原理每一次升级都增加 Token 消耗和系统复杂度。从最简方案开始只在必要时加复杂度。技巧5说要什么而不是不要什么正面的指令比负面的指令有效得多——OpenAI 官方最佳实践第7条。❌错误示范以下是一段客服对话。不要问用户名、不要问密码、不要重复问题、不要透露内部信息。 客户我登录不了账户。 客服✅正确示范以下是一段客服对话。客服应该诊断问题并给出解决方案。 如需涉及账户信息引导用户访问帮助页面 www.example.com/help。 客户我登录不了账户。 客服原理说不要做什么只是排除了一个选项模型仍可能在其他你没想到的方向上犯错。说要做什么则是画定边界。技巧6代码生成加引导词让模型生成代码时在 Prompt 末尾加一个暗示性的词效果显著。❌错误示范写一个 Python 函数 1. 让用户输入英里数 2. 将英里转换为公里✅正确示范# 写一个 Python 函数 # 1. 让用户输入英里数 # 2. 将英里转换为公里 import原理在 Prompt 末尾加import暗示模型接下来要写 Python 代码加SELECT暗示 SQL加def暗示函数定义。这种引导词本质上是一种无显式说明的格式约定。技巧7根据任务类型调 TemperatureTemperature 是你最常需要调整的参数但它不是越高越好或越低越好。任务类型推荐 Temperature原因事实提取、分类、实体识别0 或接近0需要确定性结果可复现一般问答、翻译、摘要0.3-0.5适度灵活性创意写作、头脑风暴、故事0.7-1.0需要多样性和惊喜代码生成0-0.2代码必须正确无误❌错误操作所有任务都用默认 Temperature然后抱怨模型不稳定。✅正确操作每次调用 API 时根据任务类型显式设置 Temperature。原理Temperature 控制的是 softmax 输出分布的平滑度。Temperature0 等价于每次选最高概率的 token非零 Temperature 则是从分布中按概率采样。技巧8拆分复杂任务——一个 Prompt 做一件事面对复杂任务写一个全能 Prompt不如拆成多个简单 Prompt串成 Pipeline。❌错误示范阅读这篇用户评论判断它是好评还是差评 如果是好评提取优点如果是差评提取缺点 然后生成一条客服回复最后将回复翻译成英语。 评论{text}✅正确示范# Step 1: 情感分析 判断以下评论是正面还是负面{text} → 正面 # Step 2: 提取关键信息 从以下正面评论中提取3个优点{text} → 优点1, 优点2, 优点3 # Step 3: 生成回复 基于以下优点写一条感谢回复优点1, 优点2, 优点3 → 感谢回复 # Step 4: 翻译 将以下回复翻译成英语{感谢回复}原理每个子任务有明确的输入和输出降低了模型的认知负担也方便 debug——哪个环节出错一目了然。技巧9利用 System Prompt 设定全局约束大部分 LLM APIOpenAI、Claude、DeepSeek都支持 System Prompt。它可以为整轮对话设定角色扮演和行为约束。❌无 System Prompt 的对话User: 给我一些投资建议。 AI: 可能输出非常危险的具体投资建议✅有 System PromptSystem: 你是一位谨慎的理财科普作者。你可以解释投资概念 但绝不提供具体买卖建议。如果有人问具体怎么投资 引导他们咨询持牌理财顾问。 User: 给我一些投资建议。 AI: 我可以跟你分享投资的一些基本原则但具体的买卖决策 需要结合你的实际情况建议咨询专业的持牌理财顾问哦。原理System Prompt 和 User Prompt 在模型内部的注意力机制中权重不同。把持久的行为约束放在 System Prompt 中让模型在整个对话中都保持一致性。技巧10不要盲目追求长 Prompt——信息密度 字数❌错误示范你是一个AI助手你在2026年你很聪明你能帮助用户解决问题 你总是很友好你回答问题时很详细你不会撒谎 你会尽量给出准确的答案你... 300字的身份描述后帮我写一封邮件。✅正确示范角色专业邮件撰写助手 规则简洁、专业、不编造信息 任务帮客户写一封催款邮件。语气礼貌但坚定。 客户拖欠款项3个月金额5000元。原理Prompt 不是越长越好。Lilian Weng 在她的综述中指出“一些提示工程论文不值得8页长因为这些技巧一句话就能说完。”信息密度比字数重要得多。技巧汇总速查表#技巧一句话口诀1指令前置分隔符“开头说清楚中间划线”2极端具体“写诗→用杜甫风格写七言绝句”3Show, don’t tell“给例子比给规则有效”4渐进式优化“不是每个任务都需要 Few-shot”5正面指令“说做什么不说不要做什么”6代码引导词“最后加个 import 暗示 Python”7调参数“事实用0创意用0.7”8拆分任务“一个 Prompt 一件事”9System Prompt“全局约束放 System”10密度长度“精炼的50字 啰嗦的300字”实操建议建立你的 Prompt 模板库每次写出一个好用的 Prompt不要用完就扔。建立一个个人 Prompt 模板库## 代码审查 Prompt 模板 角色资深后端工程师 任务审查以下代码的潜在问题 关注点安全性、性能、可读性 输出格式按严重程度排列每项附修复建议 代码坚持一个月你就会拥有一套自己验证过的提示词武器库——不用每次从零开始。 收藏备用下次写 Prompt 卡壳的时候回来翻翻这 10 条技巧和速查表。 你有没有自己摸索出的独门 Prompt 技巧哪些技巧让你的提示词开光了评论区分享一下一起完善这份清单。